基于Hadoop的人體寄生蟲(chóng)蟲(chóng)卵識(shí)別系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、近年來(lái)，人體寄生蟲(chóng)病一直危害著人類健康，而病原體檢測(cè)是寄生蟲(chóng)病診斷最常用和最主要的方法。傳統(tǒng)的寄生蟲(chóng)的檢測(cè)工作主要是由專業(yè)人員進(jìn)行人工操作完成的，不僅步驟繁瑣而且效率不高。隨著醫(yī)學(xué)顯微圖像處理技術(shù)和模式識(shí)別技術(shù)的快速發(fā)展，研究人員提出了很多借助于計(jì)算機(jī)的寄生蟲(chóng)蟲(chóng)卵的自動(dòng)識(shí)別方法，這對(duì)于提高醫(yī)務(wù)人員的工作效率和抑制寄生蟲(chóng)病的研究工作有著重要的意義。
　　雖然目前在寄生蟲(chóng)病病原體自動(dòng)識(shí)別方面不少學(xué)者已經(jīng)做了不少工作，然而在實(shí)際應(yīng)用中的

2、被檢測(cè)圖像存在較多雜質(zhì)或背景復(fù)雜，這給圖像分割和特征提取帶來(lái)很大的影響，進(jìn)而影響到最終識(shí)別結(jié)果的準(zhǔn)確性。為此，本文結(jié)合前人對(duì)于寄生蟲(chóng)蟲(chóng)卵圖像識(shí)別的科研成果，對(duì)相關(guān)內(nèi)容進(jìn)行了深入的分析，綜合圖像的灰度和色度分布特征，并結(jié)合MapReduce并行計(jì)算模型，提出了一種基于Hadoop的人體寄生蟲(chóng)蟲(chóng)卵識(shí)別算法，在提高系統(tǒng)識(shí)別正確率的同時(shí)，也加強(qiáng)了系統(tǒng)的實(shí)時(shí)性。主要工作如下：
　　(1)實(shí)際應(yīng)用中的寄生蟲(chóng)蟲(chóng)卵圖像往往具有雜質(zhì)較多、背景較復(fù)雜

3、等特點(diǎn)，為此本文引入邊緣空間分布直方圖匹配機(jī)制進(jìn)行寄生蟲(chóng)蟲(chóng)卵的邊緣提取，并在此基礎(chǔ)上進(jìn)一步提取幾何特征、灰度特征以及占空比等，采用支持向量機(jī)作為識(shí)別分類器，綜合灰度圖像和色度圖像的相關(guān)特征，給出了一種基于SVM的人體寄生蟲(chóng)蟲(chóng)卵識(shí)別算法。
　　(2)為了準(zhǔn)確的檢測(cè)出寄生蟲(chóng)圖像中包含的蟲(chóng)卵信息，系統(tǒng)需要遍歷所有蟲(chóng)卵邊緣空間分布直方圖類模板，進(jìn)而使得系統(tǒng)性能隨著類模板數(shù)目的增加而不斷下降，為此，本文將基于SVM的寄生蟲(chóng)蟲(chóng)卵圖像識(shí)別算法與